随着火力发电生产过程的日趋复杂，火电机组向着高参数、大容量的方向发展，其热力系统也日益趋于复杂化和集成化，一旦发生故障则带来的危害程度和经济损失大大增加。因此，如何提高火电机组热力系统的可靠性和安全性，能够尽早、及时地发现设备运行中的故障，有着重要的现实意义。 针对热力系统的故障诊断是火电厂安全运行中的一个重要环节，把面向对象的方法和人工智能技术应用于该领域则是一个研究的热点。本文综合分析了目前各种故障诊断技术和方法，针对火电厂热力设备故障的特点，建立了基于RBF神经网络的故障诊断专家系统(ANNES)的模型及系统各组成部分(知识存储系统、学习系统、推理机、解释器和人机交互界面)，并详细介绍了该专家系统的知识库的结构和设计方法。 结合实际，对某300MW火电机组热力系统进行了基于ANNES故障诊断的系统的研究和开发。通过对其中制粉子系统的知识库的建立、RBF神经网络的设计及利用实际现场运行数据实验仿真证明了该故障诊断方法的可行性和有效性，并可指导运行人员对机组的工况及时进行调整，使设备的运行参数工作在允许范围内，以避免故障的发生和进一步的扩大。 最后，对所做的研究工作做了全面的总结，并在此基础上提出了进一步的研究方向。